如何能牢牢地黏住老用户、吸引新用户、读懂用户的偏好兴趣和喜怒哀乐，这都是对企业发展至关重要甚至关乎生死存亡的问题，解决这个问题的方法就是推荐系统。本书分为上中下三篇，共13章，上篇为用户画像知识工程基础，包括表征建模、画像计算、存储及各种更新维护等管理操作；中篇为推荐系统与用户画像，包括传统协同过滤等经典推荐算法的介绍，以及涉及用户画像的推荐方法；下篇为应用案例分析，包括Netflix、阿里等数据竞赛的经典数据案例，以及在具体工程开发过程的具体案例，分别从系统需求、总体结构、算法设计、运行流程及测试结果等五个方面提供详细案例指导。
《用户网络行为画像：大数据中的用户网络行为画像分析与内容推荐应用》PDF，235页，带书签目录，文字可以复制。《用户故事地图》中文PDF，255页，带书签目录，文字可以复制。
《用户网络行为画像》PDF+《用户故事地图》PDF
下载: https://pan.baidu.com/s/1EWgxGXi4jzUPfm-iTpZ78g
提取码: 8kim
用户故事地图作为一种有效的需求工具，越来越广泛地应用于开发实践中。本书以用户故事地图为主题，强调以合作沟通的方式来全面理解用户需求，涉及的主题包括怎么以故事地图的方式来讲用户需求，如何分解和优化需求，如果通过团队协同工作的方式来积极吸取经验教训，从中洞察用户的需求，开发真正有价值的、小而美的产品和服务。适合产品经理、用户体验设计师、产品负责人、业务分析师、IT项目经理、敏捷教练和精益教练阅读和参考，也更适合用作企业培训手册，打造高效能的团队协作能力。
数据挖掘的理论知识可以用于挖掘社会媒体数据。社会媒体挖掘用于解决社会媒体数据的问题，涉及网络分析和数据挖掘的基本概念、新问题以及有效的算法。
社会媒体挖掘培养出了一类新的数据科学家（data scientist），这些科学家精通社会学和计算科学理论，能够分析棘手的社会媒体数据，并且熟练地运用已经掌握的技能和理论（社会学和计算科学理论）以及一些计算工具，帮助我们探索广阔的社会媒体世界。
《社会媒体挖掘》中文PDF+英文PDF+课件+Social Media Mining An Introduction
《社会媒体挖掘》中文PDF，257页，带目录，文字可以复制；英文PDF，338页，带目录，文字可以复制
下载: https://pan.baidu.com/s/1mncD8w22rw-Q2ditLFa4Uw
提取码: gx8m
《社会媒体挖掘》集成了近年来社会媒体、社会网络分析以及数据挖掘的前沿成果，为学生、从业者、研究人员和项目经理提供了一个方便的平台，以便理解社会媒体挖掘的基础知识和潜能。
《社会媒体挖掘》介绍一些基本概念以及适用于研究大规模社会媒体数据的主要算法，并从不同的学科（如计算机科学、数据挖掘、机器学习、社会网络分析、网络科学、社会学、人种学、统计学、最优化以及数学）视角讨论相关理论和方法。此外介绍一些有用的工具，这些工具能够从大规模社会媒体数据中形式化地表示、衡量、建模和挖掘有意义的模式。
《推荐系统实践》采用数据分类的方法，每一章都介绍了一种可以用于推荐系统设计的、新类型的用户数据，然后介绍如何通过各种方法利用该数据，最后在公开数据集上评测这些方法。当然，不是所有数据都有公开的数据集，并且不是所有算法都可以进行离线评测。因此，在遇到没有数据集或无法进行离线评测的问题时，引用一些著名学者的实验结果来说明各种方法的效果。
《推荐系统实践》高清PDF，215页，带书签目录，文字可以复制，项亮著。
《数学之美第2版》PDF，345页，带书签，文字可以复制，吴军著。
下载: https://pan.baidu.com/s/1pKqW4ilQCzdy1SIlk9V7vw
提取码: 3gmw
读了《数学之美第2版》，才发现大学时学的数学知识，比如马尔可夫链、矩阵计算，甚至余弦函数原来都如此亲切，并且栩栩如生，才发现自然语言和信息处理这么有趣。在纸本书的创作中，作者吴军博士几乎把所有文章都重写了一遍，为的是把高深的数学原理讲得更加通俗易懂，让非专业读者也能领略数学的魅力。读者通过具体的例子学到的是思考问题的方式 —— 如何化繁为简，如何用数学去解决工程问题，如何跳出固有思维不断去思考创新。新版增加了大数据和机器学习等最新内容，以满足人们对当下技术的学习需求；同时，根据专家和读者的反馈更正了错漏，并更新了部分内容。
《Python数据分析实战》展示了如何利用Python 语言的强大功能，以最小的编程代价进行数据的提取、处理和分析。
《Python数据分析实战》中文PDF+英文PDF+源代码
《Python数据分析实战》中文PDF，302页，带书签目录，文字可以复制。英文PDF，350页，带书签目录，文字可以复制。配套源代码。
下载: https://pan.baidu.com/s/1SI6Tx8jQVmOXYvJ01CrpKw
提取码: hp88
主要内容包括：数据分析和Python 的基本介绍，NumPy 库，pandas 库，如何使用pandas 读写和提取数据，用matplotlib 库和scikit-learn 库分别实现数据可视化和机器学习，以实例演示如何从原始数据获得信息、D3 库嵌入和手写体数字的识别。
将深度学习技术应用到推荐系统当中，效果如何，《推荐系统与深度学习》进行了探讨。内容设置由浅入深，从传统的推荐算法过渡到近年兴起的深度学习技术。
《推荐系统与深度学习》PDF+代码；《推荐系统与深度学习》PDF，215页，带书签目录，文字可以复制。配套源代码。
下载: https://pan.baidu.com/s/1ICrbQxvvMqzIDk4y0zs_dA
提取码: 4bpz
《推荐系统与深度学习》在大型互联网公司从事与推荐系统相关的实践与研究，通过这本书，把推荐系统工作经验予以总结，以帮助想从事推荐系统的工作者或推荐系统爱好者。区别于其他推荐算法书籍，《推荐系统与深度学习》引入了已被实践证明效果较好的深度学习推荐技术，包括Word2Vec、Wide & Deep、DeepFM、GAN 等技术应用，并给出了相关的实践代码；除了在算法层面讲解推荐系统的实现，还从工程层面详细阐述推荐系统如何搭建。
以Python为工具，以商业实战为导向的数据科学家养成手册《Python数据科学技术详解与商业实践》，从技术、业务、商业实战3个维度为有志成为数据科学家的朋友提供了系统化的学习路径。
3位作者是数据科学和金融领域的资深专家，不仅技术精湛、经验丰富，而且在本书的写作上也颇下功夫：首先，将数学和算法等复杂的技术用图形化的方式来展现，尽可能降低读者的理解难度；其次，本书不是一本教科书或案例集，而是针对数据科学家的能力模型提供系统化的解决方案。
《Python数据科学技术详解与商业实践》PDF+源代码+八大案例
《Python数据科学技术详解与商业实践》PDF，436页，文字可以复制。配套源代码；配套八大案例。
下载: https://pan.baidu.com/s/1bKCIZAnYvCa5FnhYa-Yyng
提取码: uyw7
一共19章：内容依次围绕技术、业务和商业实战3个维度展开：
技术维度：较为系统和深度地讲解了数据挖掘、数据分析以及机器学习等数据科学中核心的技术。
业务维度：围绕宏观业务分析和微观客户分析展现了数据科学在市场研究、企业管理、客户画像与分析、精准营销、风险度量、流失预警等方面的知识点。
实战维度：以案例的形式全面展现了著名咨询公司从事客户量化分析的方法论，为读者提供了标准的数据科学工作模板。